CN111623105B - 一种工业机器人rv减速器健康程度量化评价方法 - Google Patents
一种工业机器人rv减速器健康程度量化评价方法 Download PDFInfo
- Publication number
- CN111623105B CN111623105B CN201910562718.2A CN201910562718A CN111623105B CN 111623105 B CN111623105 B CN 111623105B CN 201910562718 A CN201910562718 A CN 201910562718A CN 111623105 B CN111623105 B CN 111623105B
- Authority
- CN
- China
- Prior art keywords
- reducer
- formula
- index
- health
- information index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003638 chemical reducing agent Substances 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 13
- 238000012937 correction Methods 0.000 claims description 22
- 238000005259 measurement Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000005299 abrasion Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000012423 maintenance Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H57/00—General details of gearing
- F16H57/01—Monitoring wear or stress of gearing elements, e.g. for triggering maintenance
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H57/00—General details of gearing
- F16H57/01—Monitoring wear or stress of gearing elements, e.g. for triggering maintenance
- F16H2057/018—Detection of mechanical transmission failures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种工业机器人RV减速器健康程度量化评价方法:S1将采集到的工业机器人工作状态时RV减速器产生的振动信号、温度信号和电压信号去除噪声后计算特征指数,再根据公式得到RV减速器的健康指数;S2,将健康指数代入公式解方程得到当前RV减速器的使用寿命;S3,将使用寿命投入公式中得到RV减速器的健康预测公式。本发明能够有效地预测RV减速器的健康状态,直观明显地向管理者展示RV减速器的生命周期,有利于提前做好部件更换的准备,避免突发故障导致工厂生产受损的情况。适用性强可以根据每台设备的实际情况调整。
Description
技术领域
本发明涉及工业机器人加工技术领域及数据分析技术领域,特别是涉及工业机器人RV减速器健康程度量化评价方法。
背景技术
RV减速器具有结构紧凑、运动精度高、运行平稳、传动比大、承载能力高、振动小、噪声低和能耗低、适用性强、安全可靠等优点,广泛应用于工业机器人,是工业机器人的核心部件。它的健康状态影响着工业机器人的工作性能。随着工业自动化的程度不断提高,工业机器人的应用也逐渐普遍化,提高了工厂生产的效率和产品的良率,一旦机器人故障,将带来不良影响。减速器的过热、磨损、损坏等情况都会影响机器人的正常工作,由于RV减速器安装在机器人内部,在故障发生前难以发现其异常,现有的检测技术也不能对减速器的故障事件提前预防,是企业生产面临的一个痛点。
因此需要有一种能够有效监测、预防RV减速器故障的方法,并且能够直观明显地向管理者展示RV减速器的生命周期,有利于提前做好部件更换的准备,避免突发故障导致工厂生产受损的情况。
发明内容
有鉴于此,针对现有的RV减速器存在的问题,本发明提供一种工业机器人RV减速器健康程度量化评价方法,通过对RV减速器进行数据采集分析,对减速器的健康状态进行实时监测、预测,为管理者提供数据支持,以有效解决上述技术背景中存在的问题。
本发明采用以下技术方案实现:
S1,将采集到的工业机器人工作状态时RV减速器产生的振动信号、温度信号和电压信号预处理后计算特征指数,根据公式得到RV减速器当前的健康指数h;
S2,将健康指数代入公式解方程得到RV减速器的使用寿命t;
S3,将使用寿命投入公式中得到RV减速器的健康预测公式。
其中S1的具体步骤如下:
S11,使用属性的中心度量填补缺失值,检测异常值并处理;
S12,利用处理后的数据计算特征指数;
S13,将RV减速器损坏程度指数s代入公式得到RV减速器当前健康指数h。
其中所述的S2的特征指数计算步骤如下:
S121,计算如下10个数据特征:振动的均值、振动的标准差、峰度因子、裕度因子、有效值、波形因数、能量、谱峭度标准差、电压的均值、温度的均值;
S122,将数据特征代入公式计算得到振动信息指数EI、磨损信息指数AI、干扰信息指数RI、摩擦信息指数FI;
S123,将振动信息指数EI、磨损信息指数AI、干扰信息指数RI、摩擦信息指数FI带入公式得到RV减速器损坏程度指数s。
进一步的一种工业机器人RV减速器健康程度量化评价方法,其特征在于,所述步骤S122中振动信息指数EI由振动信号的均值u、振动信号的标准差s、振动信号的有效值rms代入公式计算得到,所述的公式为:
EI=Cln((|u|+CSs+1)×rms),其中C为振动修正常数CS为偏差修正常数
磨损信息指数AI由振动信号的裕度因子I、峰度因子K、波形因数Sf、谱峭度标准差St代入公式得到:
其中CI、CKK、CSf分别为裕度修正常数、峰度修正常数、形状修正常数
干扰信息指数RI由电压信号的均值V代入如下公式计算得到:
其中N为电压的经验常值
摩擦信息指数FI由能量E、温度信号的均值T代入如下公式计算得到:
FI=C1(E-M(Tg-T)),其中C1为摩擦修正常数M为热容修正常数Tg为经验工作温度。
进一步的一种工业机器人RV减速器健康程度量化评价方法,其特征在于,所述步骤S123,公式如下:
s=EI×(B×AI+D×FI)+RI
B、D为确定的权数由特征的时间单调性决定,公式为:
其中n是测量点的数量,m是受监控的机器数量,diff(dj)=dj(t)-dj(t-1)
进一步的一种工业机器人RV减速器健康程度量化评价方法,其特征在于,所述步骤S13,公式为:h=100-s
进一步的一种工业机器人RV减速器健康程度量化评价方法,其特征在于,所述步骤S2,公式如下:
其中Th为当前同款型RV减速器的经验寿命指数,A、Δ为修正系数。
进一步的一种工业机器人RV减速器健康程度量化评价方法,其特征在于,所述步骤S3,公式如下:
其中T为当前到预测点之间的时间,H为时间T后的健康预测值,Rt为减速器的剩余寿命。
本发明的有益效果
本发明提供了一种对工业机器人RV减速器健康状态实时监测预测的方法,通过对建立预测性公式,能监测减速器的健康状态,预测健康指数,并直观展示减速器的全生命周期,为管理者提供数据支持,辅助决策,能够提前做好维修工作,避免影响工厂生产,同时还可以优化维护时间,节约人力成本。本发明可以针对智能工厂内多种工业机器人的RV减速器,适用性广泛。
附图说明
图1是一种工业机器人RV减速器健康程度量化评价方法的步骤流程图;
图2是工业机器人RV减速器的振动原始信号大窗和小窗示意图;
图3是工业机器人RV减速器的温度原始信号图;
图4是工业机器人RV减速器的电压原始信号图;
图5是工业机器人RV减速器健康指数预测曲线。
具体实施方式
以下结合附图通过具体实施例对本发明作进一步的描述,这些实施例仅用于说明本发明,并不是对本发明保护范围的限制。
S1,将采集到的工业机器人工作状态时RV减速器产生的振动信号、温度信号和电压信号去除噪声后计算特征指数,再根据公式得到RV减速器当前的健康指数h;
S2,将健康指数代入公式解方程得到当前RV减速器减速器的使用寿命t;
S3,将使用寿命代入公式中得到RV减速器的健康预测公式。
所述步骤S1中,C=2.31 CS=1.2 CI=1.2 CK=0.3 CSf=0.8
N=2.5 C1=1.83×10-3 M=390 Tg=55 B=1.4 D=2.7,
EI=1.2 AI=2.4 FI=3.7 RI=1.41,
s=EI×(B×AI+D×FI)+RI=17.43
计算获得的健康指数h为82.57,
所述步骤S2中,Δ=130 A=320 ψ=4.8 K=0.31 Th=1790计算获得的使用寿命为1580(day)。
所述步骤S3中,得到剩余使用寿命预测公式为:
其中t=1580,T为当前到预测点之间的时间,H为时间T后的健康预测值,Rt为减速器剩余寿命(day)。
如图5工业机器人RV减速器的健康指数预测曲线所示,随着RV减速器剩余寿命的减少,其健康指数不断下降,直观展示了减速器的健康状态,当健康指数降低时,能够预测出减速器的剩余生命周期,对减速器的健康状态进行量化,有利于企业管理者提前做好更换维修的准备工作。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种工业机器人RV减速器健康程度量化评价方法,其特征在于,包括步骤如下:
S1,将采集到的工业机器人工作状态时RV减速器产生的振动信号、温度信号和电压信号预处理后计算特征指数,根据公式得到RV减速器的健康指数h;
S2,将健康指数代入公式解方程得到RV减速器的使用寿命t;
S3,将使用寿命投入公式中得到RV减速器的健康预测公式;
其中,S1的步骤如下:
S11,将已采集到的工业机器人工作状态时RV减速器产生的振动信号、温度信号和电压信号预处理;
S12,利用处理后的数据计算特征指数;
S13,将RV减速器损坏程度指数s代入公式得到RV减速器当前健康指数h;
S11信号预处理的方法是使用属性的中心度量填补缺失值,检测异常值并处理;
S12的具体步骤如下:
S121,计算如下数据特征:振动的均值、振动的标准差、峰度因子、裕度因子、有效值、波形因数、能量、谱峭度标准差、电压的均值、温度的均值,共10个;
S122,将数据特征代入公式计算得到振动信息指数EI、磨损信息指数AI、干扰信息指数RI、摩擦信息指数FI;
S123,将振动信息指数EI、磨损信息指数AI、干扰信息指数RI、摩擦信息指数FI带入公式得到RV减速器损坏程度指数s;
步骤S122中振动信息指数EI由振动信号的均值u、振动信号的标准差s、振动信号的有效值rms代入公式计算得到,所述的公式为:
EI=Cln((|u|+Css+1)×rms),其中C为振动修正常数,CS为偏差修正常数,ln()为对数函数,
所述的磨损信息指数AI由振动信号的裕度因子I、峰度因子K、波形因数Sf、谱峭度标准差St代入以下公式得到:
其中CI、CIK、CSf分别为裕度修正常数、峰度修正常数、形状修正常数,
所述的干扰信息指数RI由电压信号的均值V代入公式计算得到,所述的公式为:
其中N为电压得经验常值,
所述的摩擦信息指数FI由能量E、温度信号的均值T计算得到,所述的公式为:
FI=C(E-M(Tg-T)),
其中C为摩擦修正常数,M为热容修正常数,Tg为经验工作温度;
步骤S123,公式如下:
s=EI×(d×AI+D×FI)+RI,d、D为确定的权数由特征的时间单调性决定,公式为:
其中n是测量点的数量,m是受监控的机器数量,diff(dj)=dj(t)-dj(t-1),numberofpositivediff(dj)表示集合{dj}中diff(dj)大于0的个数,numberofnegativediff(dj)表示集合{dj}中diff(dj)小于0的个数,dj(t)为序号为j的设备在时间t对应的磨损信息指数AI的数值;
步骤S13,公式为:h=100-s。
2.根据权利要求1所述的一种工业机器人RV减速器健康程度量化评价方法,其特征在于,所述步骤S2,公式如下:
其中Th为当前同款型RV减速器的经验寿命指数,C、Δ为修正系数,A为设定的修正系数,为设定的放缩修正常数,k为设定的时间修正常数。
3.根据权利要求1所述的一种工业机器人RV减速器健康程度量化评价方法,其特征在于,所述步骤S3,公式如下:
其中T为当前到预测点之间的时间,H为时间T后的健康预测值,Rt为RV减速器剩余寿命,Δ为修正系数,A为设定的修正系数,为设定的放缩修正常数,k为设定的时间修正常数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910562718.2A CN111623105B (zh) | 2019-06-26 | 2019-06-26 | 一种工业机器人rv减速器健康程度量化评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910562718.2A CN111623105B (zh) | 2019-06-26 | 2019-06-26 | 一种工业机器人rv减速器健康程度量化评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111623105A CN111623105A (zh) | 2020-09-04 |
CN111623105B true CN111623105B (zh) | 2023-12-29 |
Family
ID=72257794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910562718.2A Active CN111623105B (zh) | 2019-06-26 | 2019-06-26 | 一种工业机器人rv减速器健康程度量化评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111623105B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103398846A (zh) * | 2013-08-16 | 2013-11-20 | 大连美恒时代科技有限公司 | 一种减速器健康分析方法及其分析平台系统 |
CN207946221U (zh) * | 2018-01-26 | 2018-10-09 | 武汉市精华减速机制造有限公司 | Rv减速机的疲劳寿命及扭矩试验装置 |
JP2018202553A (ja) * | 2017-06-05 | 2018-12-27 | マツダ株式会社 | 減速機の状態診断方法及び状態診断装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022132898A1 (en) * | 2020-12-15 | 2022-06-23 | University Of Cincinnati | Monitoring system for estimating useful life of a machine component |
-
2019
- 2019-06-26 CN CN201910562718.2A patent/CN111623105B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103398846A (zh) * | 2013-08-16 | 2013-11-20 | 大连美恒时代科技有限公司 | 一种减速器健康分析方法及其分析平台系统 |
JP2018202553A (ja) * | 2017-06-05 | 2018-12-27 | マツダ株式会社 | 減速機の状態診断方法及び状態診断装置 |
CN207946221U (zh) * | 2018-01-26 | 2018-10-09 | 武汉市精华减速机制造有限公司 | Rv减速机的疲劳寿命及扭矩试验装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111623105A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200356069A1 (en) | Machine tool management system | |
JP2000259222A (ja) | 機器監視・予防保全システム | |
CN112947290B (zh) | 基于边云协同的设备状态监测方法、监测系统及存储介质 | |
CN112304446B (zh) | 电力设备报警处理方法和装置 | |
CN110500371B (zh) | 一种冲压生产线设备工作状态检测方法 | |
CN110954354B (zh) | 设备故障诊断方法及装置 | |
CN114838767B (zh) | 一种冷链物流用温湿度智能化监测系统及方法 | |
CN112173636B (zh) | 一种巡检机器人对皮带机托辊故障的检测方法 | |
JP2010283000A (ja) | 半導体製造における装置異常の予兆検知方法 | |
CN111618655B (zh) | 一种数控机床滚珠丝杆健康程度量化评价方法 | |
CN109240253B (zh) | 一种在线设备诊断及预防性维护方法及系统 | |
Spiewak et al. | Predictive monitoring and control of the cold extrusion process | |
CN111623105B (zh) | 一种工业机器人rv减速器健康程度量化评价方法 | |
CN113418731A (zh) | 一种卷烟机组的在线故障诊断方法 | |
CN113285654A (zh) | 基于流体压力执行机构中的油田石化伺服马达系统 | |
US10656637B2 (en) | Monitoring system and monitoring method | |
JP7268722B2 (ja) | 異常検知装置、及び異常検知方法 | |
CN114962239B (zh) | 一种基于智能物联网的设备故障检测方法 | |
KR102045617B1 (ko) | 설비 이상 모니터링 장치 및 방법 | |
CN115219842A (zh) | 一种机电设备故障定位及报警保护装置 | |
CN114004539B (zh) | 一种基于振动数据的各方向磨损量评估方法 | |
CN112418604A (zh) | 一种大型行车车轮智能监测方法 | |
CN111932843A (zh) | 一种动设备在线监测报警限反复穿越方法 | |
CN111092875A (zh) | 一种输变电运检平台物联网边缘信息传输压缩方法及系统 | |
CN117850317A (zh) | 一种折弯设备运行状态监控系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: Building 7, No. 124 Dongbao Road, Dongcheng Street, Dongguan City, Guangdong Province, 523128 Patentee after: Guangdong Prophet Big Data Co.,Ltd. Country or region after: China Address before: Room 301, R&D Building, No. 2, Weifeng Road, Waijing Industrial Park, Niushan Community, Dongcheng Street, Dongguan City, Guangdong Province, 523128 Patentee before: Dongguan prophet big data Co.,Ltd. Country or region before: China |
|
CP03 | Change of name, title or address |